基于控制器增益变化的广义系统可靠性保成本控制

讨论一类广义系统可靠性保成本控制问题。首先用广义代数Riccati不等式给出控制器增益变化情况下的闭环广义系统二次稳定以及所给的成本函数有界的充要条件，并给出了求成本函数最小值算法．同时用广义代数Riccati不等式，给出当闭环广义系统的部分执行器出现故障时，具有控制器增益变化的广义系统仍二次稳定以及成本函数有界的充要条件。接着给出广义系统可靠性保成本控制器设计．最后用实例来演示该方法的有效性。     

方波脉冲函数在控制系统中的应用(Ⅱ)——递推算法的误差估计

在文献[1]中,我们对线性时变系统和非线性时变系统以及基于二次型性能指标的最比线性调节器,应用方波脉冲函数给出了系统状态方程与Riccati方程求解的递推算法。本文对[1]中导出的递推算法进行误差估计。     

三相并网逆变器模型预测控制研究

三相并网逆变器是连接新能源系统与电网之间的重要环节，针对传统电压电流双闭环并网控制中由于比例积分（Proportionl Integral,PI）调节器饱和造成的稳态性能较差和控制精度不足的问题，采用模型预测控制器代替传统的PI控制器，提出一种三相并网逆变器的模型预测控制策略。建立三相逆变器在两相静止坐标系下的数学模型，分析模型预测的控制过程并对目标函数进行优化，增加逆变器的限流环节。建立离散动态电流方程，对下一时刻的电流值进行预测，根据目标函数最小原则选择最优的空间电压矢量，将其对应的开关状态作用于逆变器实现并网控制。利用MATLAB/Simulink进行仿真分析，验证了模型预测控制策略的可行性，该控制策略提高了并网过程的稳态性能，有效减小了并网电流的谐波畸变。     

非线性递减权值PSO优化下的LQR轨迹跟踪研究

针对二次线性调节器(LQR)权重矩阵选取困难导致的自动驾驶车辆控制精度低、系统适应度欠佳等问题,设计了一种非线性递减权值粒子群算法（NLDW-PSO）。基于二自由度车辆动力学模型,构建了横向跟踪误差模型,设计了前馈控制消除了LQR稳态误差;并设计以横向偏差、航向偏差和前轮转向角为评价函数,将系统输出误差状态量反馈至NLDW-PSO算法,所设计的非线性递减惯性权重因子通过提升粒子群体寻优性能,从而自适应调整LQR权重系数更新策略,形成闭环优化控制,最终求解得到系统目标函数极值。将所设计控制器的跟踪效果进行了对比,Carsim/Smulink联合仿真结果表明所提出NLDW-PSO优化LQR算法的跟踪控制效果最优,横向距离偏差最大值为0.076 m,横向距离偏差均值相较于固定权重系数LQR降低了69.74％,显著提高了车辆跟踪控制精度和自适应能力,且对速度变化具有较强鲁棒性。     

电路瞬态过程中响应模型的参数估计

当电路瞬态过程的电压或电流响应是以离散数据点给出时,为了测量响应模型的各个参数,提出了一种基于曲线拟合的利用非线性最小二乘优化进行参数估计的算法。首先构造二乘残差目标函数,给出各个参数初始值的计算方法,然后采用拟牛顿法搜索目标函数的极小值。该方法可以一次性求出模型的全部参数。模拟算例和仿真结果表明:算法的稳定性较强,收敛速度和计算精度都较高。     

一种减小双电机转矩差的主从结构模型预测直接转矩控制优化控制策略EI北大核心CSCD

以典型的主传动双电机刚性连接系统为对象,以双电机同轴连接的数学模型和预测控制方式为出发点,针对双电机主从控制下的转矩动、稳态均衡问题,提出1种双电机主从结构模型预测直接转矩控制(model predictive torque control,MPDTC)优化控制策略。该策略在二步预测MPDTC传统代价函数的基础上,引入误差反馈闭环预测,并结合主从转矩统一化和主从电机转矩差限制项设定,分别对启动、稳态和动态阶段进行深度优化配置,形成模型预测新型融合代价函数,最终达到分阶段抑制的转矩误差效果。仿真与实验验证结果表明:所提出的主从控制策略能进一步抑制稳态转矩脉动并减小负载突变及系统参数摄动下的动态转矩差,实现两电机间的转矩均衡和系统动态性能的整体提升。     

电流型PWM整流器稳态偏差校正模型预测控制

针对三相脉宽调制(PWM)电流型整流器(CSR),提出一种基于稳态偏差校正的模型预测控制(MPC)算法。该算法首先建立了CSR在d,q,O坐标系的状态空间方程,然后将系统工作变量分解成稳态工作变量和偏差工作变量两部分,获得系统在稳态工作点的状态空间方程和偏差工作变量的状态空间方程。求解稳态方程,得到稳态工作点的稳态控制量;对偏差方程建立预测模型,优化求解性能指标函数得到偏差控制变量,并将其作为稳态控制量的补偿。通过仿真和实验对算法的有效性进行验证,结果表明,该算法具有优良的稳态控制性能和动态响应特性。     

碳排放限制的混杂最优闭环微电网调度算法

针对微电网经济调度效率低下等问题,提出了一种碳排放限制的混杂最优闭环微电网调度算法。算法在考虑火力发电机组和多分布式发电聚合体组合调度的同时,以电网实际需求响应和碳排放限制作为约束条件,建立微电网经济调度模型;并将经济调度问题转化为混杂系统的最优控制,从而建立微电网经济调度与混杂系统最优控制序列的等价一致性;推导混杂系统获取满足贝尔曼方程的最优代价函数,借助神经网络逼近最优值获得最优闭环调度序列。仿真实验验证了本调度算法的闭环有效性,能在不同初始条件和外部扰动下依然获得最优调度序列,同时仿真结果证实降低碳排放限额或提高碳排放交易价格都有助于减少电网系统的总碳排放量。     

基于纳什均衡理论的电力市场动态投标分析

为准确模拟电力市场参与者的动态决策过程,基于供给函数和纳什(Nash)均衡理论,考虑输电网固有的特性,提出计及输电网约束的电力市场动态供应函数模型。新模型由一差分动态系统和由非线性互补函数转换的半光滑方程系统构成,参与者策略报价的决策变量考虑为供应函数的线性和二次项系数。基于此两参数投标模型,以3个节点组成的电力市场为例,分析在不同市场参数和不同输电网运行状态(阻塞和不阻塞)下,市场的Nash均衡状况和均衡点的局部稳定性;通过数值仿真探讨不同市场参数对市场的动态行为及局部稳定性的影响;并与古诺(Cournot)模型进行仿真比较,仿真结果显示了供应函数模型更符合电力市场的运营情况。     

基于模型预测控制算法的多风储直流微电网分布式电压二次控制策略

针对含多组风储单元的直流微电网中蓄电池的电压优化控制问题,提出了一种基于模型预测控制算法的分布式电压二次控制策略.设计了一种多步长预测一致性模型作为电压预测模型,通过目标函数最小化求解预测系数,得到最优电压二次控制补偿量加入一次控制中,将传统一致性算法中比例积分控制器下的偏差调节问题转化为模型预测控制器下的电压跟踪问题进行求解,从而实现对直流母线电压动态响应的滚动优化.该方法有效解决了传统一致性算法下电压控制策略瞬态特性差和部分工况下存在控制误差等问题,并通过MATLAB/Simulink仿真平台搭建模型验证了不同工况下所提策略的有效性和优越性.     

计及负荷电压静特性的有源配电网线性潮流计算

为了响应配电网快速分析和实时优化的需求,提出了一种基于直角坐标系下的潮流方程考虑负荷电压静特性的有源配电网线性潮流计算方法。在考虑负荷电压静特性和分布式电源DG的基础上,将恒功率负荷和DG模型表示为节点电压相关的二次函数,并通过曲线拟合技术得到函数各系数的最佳取值,最终实现潮流方程的线性化处理。所提方法兼顾了对弱环网的适应性,能够在不需要迭代的情况下实现对潮流模型的高精度逼近。仿真结果验证了所提方法的有效性。     

Convergence analysis of self-tuning Riccati equation for systems with correlation noises

For linear discrete time-invariant stochastic system with correlated noises, and with unknown state transition matrix and unknown noise statistics, substituting the online consistent estimators of the state transition matrix and noise statistics into steady-state optimal Riccati equation, a new self-tuning Riccati equation is presented. A dynamic variance error system analysis (DVESA) method is presented, which transforms the convergence problem of self-tuning Riccati equation into the stability problem of a time-varying Lyapunov equation. Two decision criterions of the stability for the Lyapunov equation are presented. Using the DVESA method and Kalman filtering stability theory, it proves that with probability 1, the solution of self-tuning Riccati equation converges to the solution of the steady-state optimal Riccati equation or time-varying optimal Riccati equation. The proposed method can be applied to design a new selftuning information fusion Kalman filter and will provide the theoretical basis for solving the convergence problem of self-tuning filters. A numerical simulation example shows the effectiveness of the proposed method.     

Online optimal and adaptive integral tracking control for varying discrete-time systems using reinforcement learning

Conventional closed-form solution to the optimal control problem using optimal control theory is only available under the assumption that there are known system dynamics/models described as differential equations. Without such models, reinforcement learning (RL) as a candidate technique has been successfully applied to iteratively solve the optimal control problem for unknown or varying systems. For the optimal tracking control problem, existing RL techniques in the literature assume either the use of a predetermined feedforward input for the tracking control, restrictive assumptions on the reference model dynamics, or discounted tracking costs. Furthermore, by using discounted tracking costs, zero steady-state error cannot be guaranteed by the existing RL methods. This article therefore presents an optimal online RL tracking control framework for discrete-time (DT) systems, which does not impose any restrictive assumptions of the existing methods and equally guarantees zero steady-state tracking error. This is achieved by augmenting the original system dynamics with the integral of the error between the reference inputs and the tracked outputs for use in the online RL framework. It is further shown that the resulting value function for the DT linear quadratic tracker using the augmented formulation with integral control is also quadratic. This enables the development of Bellman equations, which use only the system measurements to solve the corresponding DT algebraic Riccati equation and obtain the optimal tracking control inputs online. Two RL strategies are thereafter proposed based on both the value function approximation and the Q-learning along with bounds on excitation for the convergence of the parameter estimates. Simulation case studies show the effectiveness of the proposed approach.     

基于SDRE的永磁同步电动机的近似最优控制

针对具有仿射非线性模型的永磁同步电动机,研究其非二次型性能指标的最优控制问题。非线性非二次型最优控制问题导致难以求解的HJB(Hamilton Jacobi Bellman)方程,为避免这一难题,首先采用SDRE(State-Depend-ent Riccati Equation)法将其转化成状态相关的Riccati方程求解问题。SDRE法需要在每一次采样时刻实时地求解一个代数Riccati方程,在高阶系统中巨大的运算耗时使得SDRE控制器难以实现,为此进一步采用一种有效求解SDRE控制器的方法 -θ-d法,它只需求解一次与初始状态相关的代数Riccati方程,控制器的其余参数均可离线通过矩阵的相关运算获得,从而大大地减少了在线计算量。另外,SDRE方法可以通过适当选取状态相关的加权矩阵,以较小的控制作用获得与常量权矩阵相近甚至更好的控制效果。最后,以永磁同步电动机为实例进行的仿真验证了本文方法的有效性与可行性。     

考虑负荷电压静特性的最佳乘子牛顿潮流算法

当考虑负荷电压静特性时，潮流方程不再为状态变量的二次函数，传统的求解病态潮流问题的最佳乘子牛顿法无法实施，该文提出了考虑负荷电压静特性的最佳乘子牛顿潮流算法。通过引入附加的状态变量并补充相应的潮流方程，使考虑负荷电压静特性后的直角坐标潮流方程仍保持为状态变量的二次函数，进而可以用最佳乘子牛顿法求解病态潮流问题。使用该方法能够保证潮流计算不发散，并且最佳乘子的求取同样简单，无近似，可以很容易地嵌入到常规的牛顿法潮流程序中，典型系统的数值试验结果表明了所提方法的正确性和有效性。     

Optimal and self‐tuning weighted measurement fusion Kalman filters and their asymptotic global optimality

For the multisensor linear discrete time‐invariant stochastic systems with unknown noise variances, using the correlation method, the information fusion noise variance estimators with consistency are given by taking the average of the local noise variance estimators. Substituting them into two optimal weighted measurement fusion steady‐state Kalman filters, two new self‐tuning weighted measurement fusion Kalman filters with a self‐tuning Riccati equation are presented. By the dynamic variance error system analysis (DVESA) method, it is rigorously proved that the self‐tuning Riccati equation converges to the steady‐state optimal Riccati equation. Further, by the dynamic error system analysis (DESA) method, it is proved that the steady‐state optimal and self‐tuning Kalman fusers converge to the global optimal centralized Kalman fuser, so that they have the asymptotic global optimality. Compared with the centralized Kalman fuser, they can significantly reduce the computational burden. A simulation example for the target tracking systems shows their effectiveness. Copyright © 2010 John Wiley & Sons, Ltd.     

输电线动力学分析中的找形研究

输电线静态平衡位置找形是动力学分析的前提,找形精确与否对后续分析结果有很大影响。介绍了输电线找形中的解析法和有限元法,以某跨越档为例,分别对导线在自重和覆冰荷载下进行找形,着重分析了非均布荷载作用下这2种方法找形的差异。结果表明,均布荷载作用时,解析法和有限元法对导线静态平衡位置找形有相同的效果;非均布荷载作用时,有限元法得到的结果相对准确     

Output‐feedback H∞ quadratic tracking control of linear systems using reinforcement learning

This paper presents an online learning algorithm based on integral reinforcement learning (IRL) to design an output‐feedback (OPFB) H_∞ tracking controller for partially unknown linear continuous‐time systems. Although reinforcement learning techniques have been successfully applied to find optimal state‐feedback controllers, in most control applications, it is not practical to measure the full system states. Therefore, it is desired to design OPFB controllers. To this end, a general bounded L₂ ‐gain tracking problem with a discounted performance function is used for the OPFB H_∞ tracking. A tracking game algebraic Riccati equation is then developed that gives a Nash equilibrium solution to the associated min‐max optimization problem. An IRL algorithm is then developed to solve the game algebraic Riccati equation online without requiring complete knowledge of the system dynamics. The proposed IRL‐based algorithm solves an IRL Bellman equation in each iteration online in real time to evaluate an OPFB policy and updates the OPFB gain using the information given by the evaluated policy. An adaptive observer is used to provide the knowledge of the full states for the IRL Bellman equation during learning. However, the observer is not needed after the learning process is finished. A simulation example is provided to verify the convergence of the proposed algorithm to a suboptimal OPFB solution and the performance of the proposed method.     

平均近似估计法在电容器组优化调度中的应用

为研究大规模风电场并网运行对电容器组优化调度的影响,提出了含风电场功率机会约束的电容器组调度二阶段优化模型。采用平均近似估计法将二阶段模型转换为确定性模型,使用拟蒙特卡罗Halton采样法和场景削减技术处理风功率的波动性。求解一种电容器组调度方案,充分利用现有的电容器组资源,使系统在风功率波动时仍能保持较大的静态电压稳定临界功率。最后,以IEEE-30、IEEE-118节点系统为例,分别计算不同置信概率条件下系统的临界功率期望值及相应的电容器组调度方案。结果表明所提方法得到的调度方案可靠有效,鲁棒性强,应用前景广阔。     

电力市场条件下无功发电成本研究

无功功率服务是电力市场辅助服务的一个重要组成部分，对发电厂的无功生产成本进行了探讨。以有功和无功功率生产总成本最小为目标函数，该目标函数是在已知发电厂总的负荷需求和满足各发电机组的有功、无功发电功率极限约束条件下，使发电总成本最低。求解采用最小二乘角的广义逆法、该方法能求解无约束条件下的优化问题。求解过程是先将目标函数和等式约束条件化为受等式约束的拉格朗日函数，再调用该算法和对不等式约束条件进行处理。方法简单可行，计算结果符合生产实际，研究结果发明发电厂的无功服务应得到一定的经济补偿，使其自觉地维持电力系统的安全和稳定运行。